吴恩达 机器学习课程 coursera 第二次编程作业（Logistic Regression Regularized） python实现

本文是吴恩达机器学习课程的第二次编程作业：Logistic Regression Regularized 的扩展作业，用python实现。

 

本作业包含5个文件，分别是：

ex2_reg.py 主程序入口

predict.py 预测函数

gradientReg.py 梯度下降算法

costFunctionReg.py 代价函数算法

sigmoid.py 函数计算方法

 

作业文件和训练集数据下载地址：https://github.com/toanoyx/MachineLearning-AndrewNg-coursera-python/tree/master/ex2%20Logistic%20Regression/ex2_reg

 

下文是文件的源代码：

ex2_reg.py 主程序入口

import pandas as pd
import matplotlib.pyplot as plt
import scipy.optimize as opt
from costFunctionReg import *
from gradientReg import *
from predict import *

""" 第1部分 可视化数据集 """

path = 'ex2data2.txt'
data2 = pd.read_csv(path, header=None, names=['Test 1', 'Test 2&#